ویسل AI با جمع‌آوری ۱۲ میلیون دلار برای پلتفرم MLOps خود که هدف آن کاهش هزینه‌های GPU تا ۸۰٪ است

با توجه به این‌که کسب‌وکارها به طور فزاینده‌ای هوش مصنوعی را در فرایندها و محصولات خود ادغام می‌کنند، تقاضای فزاینده‌ای برای ابزارها و پلتفرم‌هایی وجود دارد که ساخت، آزمایش و پیاده‌سازی مدل‌های یادگیری ماشین را ساده‌تر می‌کنند. این دسته‌بندی پلتفرم‌ها، که به طور عمومی به عنوان عملیات یادگیری ماشین یا MLOps شناخته می‌شوند، قبلاً کمی شلوغ است و شامل استارت‌آپ‌هایی مانند InfuseAI ، Comet ، Arrikto ، Arize ، Galileo ، Tecton ، و Diveplane می‌شود، علاوه بر محصولات شرکت‌های بزرگی مثل Google Cloud، Azure و AWS.

اکنون، یک پلتفرم MLOps کره جنوبی به نام ویسل AI سعی دارد با تمرکز بر بهینه‌سازی هزینه‌های GPU با استفاده از زیرساخت‌های ترکیبی که محیط‌های محلی و ابری را شامل می‌شود، جایگاه جدیدی برای خود ایجاد کند. این استارت‌آپ به تازگی ۱۲ میلیون دلار در دور تأمین مالی سری A جمع‌آوری کرده است تا توسعه زیرساخت‌های خود را تسریع کند، هدف آن شرکت‌هایی است که می‌خواهند مدل‌های زبان افزوده و عوامل هوش مصنوعی عمودی خود را توسعه دهند.

این شرکت در حال حاضر 50 مشتری سازمانی دارد که شامل برخی از نام‌های بزرگ مانند هیوندای؛ LIG Nex1، یک تولید کننده هوانوردی و تسلیحات کره جنوبی؛ TMAP Mobility ، یک شرکت مشترک ارائه خدمات تحرک به عنوان خدمت بین اوبر و شرکت مخابرات کره‌ای SK Telecom؛ همچنین استارتاپ‌های فناوری یانولجا، آپستاج، اسکاترلب، و ورتن.آی می‌شود. این شرکت همچنین به صورت استراتژیک با اوراکل و گوگل کلود در ایالات متحده همکاری کرده است. این پلتفرم بیش از ۲,۰۰۰ کاربر دارد، جرمن کوس آن مؤسس و مدیرعامل به TechCrunch گفت.

آن استارتآپ را در سال ۲۰۲۰ با همکاری جی‌هوان جی چون (مدیر فنی)، اینتای ریو (مدیر تولید) و یونگ‌سون شون لی (ریاست فناوری) تأسیس کرد — بنیان‌گذاران قبلاً در گوگل، شرکت بازی موبایل PUBG و برخی استارتاپ‌های هوش مصنوعی مشغول بوده‌اند — تا به یک نقطه دردناک خاص که او در هنگام توسعه مدل‌های یادگیری ماشین در یک استارتاپ پزشکی قبلی با آن مواجه بود، بپردازد: حجم عظیمی از کاری که در توسعه و استفاده از ابزارهای یادگیری ماشین دخالت دارد.

این تیم کشف کرد که می‌تواند فرایند را کارآمدتر و چشمگیر ارزان‌تر کند، با بهره‌گیری از یک مدل زیرساخت ترکیبی. پلتفرم MLOps شرکت اساساً از استراتژی چند ابری و نمونه‌های نقطه‌ای استفاده می‌کند تا هزینه‌های GPU را تا ۸۰٪ کاهش دهد، آن گفت و افزود که این رویکرد علاوه بر حل کردن مشکل کمبود GPU، آموزش، پیاده‌سازی و عملیات مدل‌های هوش مصنوعی از جمله LLMهای بزرگ مقیاس را بهبود می‌بخشد.

"استراتژی چند ابری ویسل AI اجازه می‌دهد تا از GPUهای ارائه شده توسط انواع تأمین‌کنندگان خدمات ابری مانند AWS، گوگل کلود و لامبدا استفاده شود," آن گفت. "این سیستم به‌طور خودکار منابع کارآمد و مقرون‌به‌صرفه را انتخاب می‌کند، به‌طور قابل‌توجهی هزینه‌های مشتری را کاهش می‌دهد."

پلتفرم ویسل چهار ویژگی اصلی ارائه می‌دهد: VESSL Run که آموزش مدل‌های هوش مصنوعی را اتوماتیک می‌کند؛ VESSL Serve که از پیاده‌سازی در زمان واقعی پشتیبانی می‌کند؛ VESSL Pipelines که آموزش مدل و پردازش داده‌ها را یکپارچه می‌کند تا گردش کار را ساده کند؛ و VESSL Cluster که استفاده از منابع GPU را در محیط‌های خوشه‌ای بهینه می‌کند.

سرمایه‌گذاران برای دور سری A، که کل مبلغ جمع‌آوری شده شرکت را به ۱۶.۸ میلیون دلار می‌رساند، شامل A Ventures، Ubiquitous Investment، Mirae Asset Securities، Sirius Investment، SJ Investment Partners، Woori Venture Investment، و Shinhan Venture Investment هستند. استارتاپ ۳۵ کارمند در کره جنوبی و یک دفتر در سن ماتئو در ایالات متحده دارد.